dsh-siliconflow-vision
DSH（DeepSeek Harness）插件：通过**硅基流动（SiliconFlow）**的视觉大模型识别/分析图片。
当前主模型通常只支持文本输入，无法直接"看"图。本插件注册一个 analyze_image
模型工具，把图片交给硅基流动的视觉模型（默认 Qwen/Qwen3-VL-32B-Instruct）识别，
再把结果返回给对话模型——从而让 DSH 会话获得完整的图片识别能力。
功能
- ✅ 识别服务器本地图片文件（传路径）
- ✅ 识别 http(s) 图片 URL
- ✅ 识别 base64 data URL
- ✅ 自定义识别指令（prompt），如"识别图中所有文字"、"图里有什么动物"
- ✅ 可切换模型（Qwen3-VL 系列、GLM-4.5V、PaddleOCR-VL 等）
- 🖼️ 可选：交互式"粘贴识别"面板（动态插件形态，见 dynamic/）
安装
方式一：作为 bundle 安装（推荐，持久生效）
把本目录（或 git clone 后的目录）通过 dsh plugin 安装到某个 profile：
dsh plugin --profile demo add ./dsh-siliconflow-vision
安装后 dsh --profile demo 启动即加载 analyze_image 工具。
方式二：作为动态插件加载（会话级）
把 dynamic/host.js 与 dynamic/client.js
的内容通过会话的 cordis 插件工具（cordis_define + cordis_run）加载，
可获得输入框上方的"粘贴识别"面板（浏览器端粘贴/选图 → 识别 → 结果自动发送到主会话）。
注意动态插件是会话级的，进程重启后需要重新激活。
配置 API Key
优先使用环境变量：
export SILICONFLOW_API_KEY="sk-xxxxxxxx"
或者写入密钥文件（任选其一，文件内容为纯文本 Key）：
$DSH_HOME/siliconflow.key
~/.dsh/siliconflow.key
Key 在 硅基流动控制台 获取。
使用
在对话中让模型识别图片即可，例如：
分析一下 /root/data/photo.png 里有什么
识别这张图的文字：https://example.com/screenshot.png
模型会调用 analyze_image 工具，参数：
| 参数 | 必填 | 说明 |
|---|
image | ✅ | 服务器本地路径 / http(s) URL / data URL |
prompt | — | 对图片的问题或指令，缺省为通用中文描述 |
model | — | 硅基流动模型 ID，默认 Qwen/Qwen3-VL-32B-Instruct |
maxTokens | — | 输出 token 上限，默认 1024 |
可选模型
| 模型 ID | 特点 |
|---|
Qwen/Qwen3-VL-32B-Instruct | 默认，识别能力强 |
Qwen/Qwen3-VL-8B-Instruct | 更快、更省 |
Qwen/Qwen3-VL-30B-A3B-Instruct | 性价比 |
zai-org/GLM-4.5V | 通用视觉 |
PaddlePaddle/PaddleOCR-VL-1.5 | OCR 文字识别专用 |
技术说明
- 运行环境：Node.js >= 18（使用原生
fetch，无需 python/shell）
- 请求格式：OpenAI 兼容
POST https://api.siliconflow.cn/v1/chat/completions
- 本地图片读取后转 base64 data URL 传入，不走磁盘临时文件
- API Key 不会出现在插件代码里，从环境变量或密钥文件读取
License
MIT
